9月11日至12日,T11 2017暨TalkingData智能數(shù)據(jù)峰會(huì)在北京舉辦。本屆大會(huì)以“知機(jī)識(shí)變 有唐之盛”為主題,來自全球各地的近5000位專家、學(xué)者、數(shù)據(jù)科學(xué)家、分析師和企業(yè)管理者等匯聚T11,探討大數(shù)據(jù)與行業(yè)結(jié)合的技術(shù)趨勢、場景應(yīng)用、前沿案例,旨在加速企業(yè)數(shù)字化轉(zhuǎn)型、助力行業(yè)生態(tài)建設(shè),打造更智能的世界。
正如奇點(diǎn)大學(xué)執(zhí)行總裁Kian Gohar在主題為“指數(shù)級(jí)創(chuàng)新”的主題演講中所講,指數(shù)級(jí)增長時(shí)代已經(jīng)來臨,信息正在呈指數(shù)級(jí)爆發(fā)。計(jì)算能力、人工智能、傳感器、機(jī)器人、交互模式、大眾化應(yīng)用的聚合技術(shù),為世界帶來指數(shù)級(jí)飛躍,并改變每個(gè)行業(yè)。而這些聚合技術(shù)每項(xiàng)功能的核心都包括了傳感、分析和處理數(shù)據(jù)。
T11 2017重點(diǎn)探討在這個(gè)新的時(shí)代背景下,企業(yè)應(yīng)如何面對(duì)新挑戰(zhàn)、新機(jī)遇,結(jié)合自身行業(yè)特點(diǎn)與需求,將人工智能、大數(shù)據(jù)與行業(yè)場景結(jié)合,轉(zhuǎn)型為“數(shù)據(jù)驅(qū)動(dòng)型企業(yè)”。大會(huì)切中當(dāng)下各行各業(yè)、尤其是傳統(tǒng)企業(yè)的轉(zhuǎn)型需求與發(fā)展痛點(diǎn),受到相關(guān)行業(yè)從業(yè)者的廣泛關(guān)注。
TalkingData首席執(zhí)行官崔曉波在智能數(shù)據(jù)峰會(huì)的演講中強(qiáng)調(diào)了TalkingData的愿景——數(shù)據(jù)改變企業(yè)決策、數(shù)據(jù)改善人類生活。此外,TalkingData今年將側(cè)重賦能合作伙伴,同時(shí)注重AI等技術(shù)創(chuàng)新和實(shí)踐,致力于用數(shù)據(jù)驅(qū)動(dòng)商業(yè)。
本屆大會(huì)共設(shè)置“智能數(shù)據(jù)峰會(huì)”與“技術(shù)驅(qū)動(dòng)未來峰會(huì)”兩大峰會(huì),以及智能數(shù)據(jù)服務(wù)、智能金融、新消費(fèi)、智慧城市與政府治理、教育生態(tài)與人才培養(yǎng)、人本數(shù)據(jù)和智能、數(shù)據(jù)工程和技術(shù)七大分論壇。來自斯坦福、哈佛、清華、人大、同濟(jì)等頂尖高校和政府、研究機(jī)構(gòu)的學(xué)者,以及來自IT、大數(shù)據(jù)、互聯(lián)網(wǎng)、金融、地產(chǎn)、零售、教育等多個(gè)行業(yè)的技術(shù)專家與企業(yè)管理者分享真知灼見。TalkingData也在大會(huì)上分享了在科技、數(shù)據(jù)、技術(shù)、商業(yè)模式創(chuàng)新等領(lǐng)域的經(jīng)驗(yàn)與積累。
此外,大會(huì)還同期舉辦“2017年度新銳應(yīng)用風(fēng)云榜頒獎(jiǎng)盛典”,TalkingData基于7億月活監(jiān)測設(shè)備及多家合作伙伴數(shù)據(jù)源,對(duì)中國移動(dòng)互聯(lián)網(wǎng)行業(yè)情況和熱點(diǎn)領(lǐng)域進(jìn)行梳理分析,在短視頻、共享出行、消費(fèi)金融、運(yùn)動(dòng)健康等十二個(gè)行業(yè)中,評(píng)選出最受歡迎的新銳移動(dòng)應(yīng)用。
一年一度的T11大會(huì)創(chuàng)立于2015年,目前已成功舉辦三屆,在業(yè)界建立了堅(jiān)實(shí)的影響力和口碑。主辦方TalkingData希望通過T11大會(huì)與各行業(yè)分享趨勢、經(jīng)驗(yàn)和心得,也希望能夠通過這樣的平臺(tái)為合作伙伴提供汲取新知、發(fā)表見解和展示實(shí)力的機(jī)會(huì)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。